[18F]NIDF PET 成像在 Tau 相关疾病中的应用
该数据集来自 clinicaltrials.gov,聚焦于利用 [18F]NIDF PET 成像在活体人脑中可视化异常 tau 病理
![[18F]NIDF PET Imaging in Tau-related Diseases](/medical-api/medicalDataset/datasetCover/69810.jpg)
基本信息
资源简介
[18F]NIDF PET 成像在 Tau 相关疾病中的应用
该数据集来自 clinicaltrials.gov,聚焦于利用 [18F]NIDF PET 成像在活体人脑中可视化异常 tau 病理。研究对象涵盖神经退行性疾病、阿尔茨海默病及 Tau 蛋白病。[18F]NIDF 是一种基于 2-芳基-氮杂吲哚的示踪剂,与现有 tau-PET 显像剂相比,对 tau 神经原纤维缠结具有更强的结合亲和力,且非特异性/脱靶结合更低。该研究主要评估 [18F]NIDF PET 成像的安全性及诊断效能,可用于神经退行性疾病的 tau 病理相关研究与诊断评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:神经退行性疾病、阿尔茨海默病、Tau 蛋白病。在脑神经退行性疾病的诊断领域,向人体注射正电子发射示踪剂现已成为一种成熟的做法。这些示踪剂与特定靶蛋白结合,从而可通过 PET 成像可视化其分布。目前,全球多个研究团队正致力于开发并临床验证各自的 tau 显像剂。本临床研究项目旨在利用 [18F]NIDF PET 成像可视化活体人脑中的异常 tau 病理。[18F]NIDF 是一种基于 2-芳基-氮杂吲哚的示踪剂,与现有 tau-PET 显像剂相比,其对 tau 神经原纤维缠结具有更强的结合亲和力,且非特异性/脱靶结合更低。该研究主要侧重于评估 [18F]NIDF PET 成像的安全性及诊断效能
【主题与分类】
主题标签:Neurodegenerative Disease、Alzheimer s Disease、Tauopathies。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07306598
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT07306598
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件:神经退行性疾病、阿尔茨海默病、Tau蛋白病。在脑神经退行性疾病的诊断领域,目前向人体注射正电子发射示踪剂已成为一种成熟的做法。这些示踪剂与特定的靶蛋白结合,从而可通过PET成像将其分布可视化。目前,全球有多个研究团队正在开发和临床验证各自的tau成像剂。本临床研究项目旨在利用[18F]NIDF PET成像,使活体人脑中的异常tau病理可视化。[18F]NIDF是一种基于2-芳烃-氮杂吲哚的示踪剂,与现有的tau-PET成像剂相比,它对tau神经原纤维缠结具有更强的结合亲和力,并减少了非特异性/脱靶结合。本研究主要侧重于评估[18F]NIDF PET成像在人体受试者中的安全性和诊断效能。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




